居民消费者价格指数

居民消费者价格指数（精选12篇）

居民消费者价格指数 篇1

改革开放以来,我国经济结构发生了很大变化,特别是1997年以后,我国经济整体由卖方市场演变成买方市场,在大市场大流通的背景下,市场商品价格逐步趋同。但由于我国各地区在自然资源禀赋、历史沿革、地理位置、经济发展水平、市场发育程度以及政策制度等方面存在差异,因此如何准确分析和把握各地区市场价格变化规律、特点和趋势,对于提高价格总水平调控灵活性、针对性具有十分重要的意义。

一、我国居民消费价格走势回顾及区域差异分析

(一)我国居民消费价格走势回顾

1997年以后,我国经济告别物资短缺时代,商品的极大丰富彻底改变了供求关系,消费品市场由卖方市场转入买方市场。从居民消费价格的总体走势看,呈平稳上升趋势,全国CPI累计上涨21.2%,年均上涨1.5%。从总体来看,1998-2008年期间我国居民消费价格走势大致可分为三个阶段:第一阶段通货紧缩期,时间为1998-2002年,其间价格涨幅明显回落,价格持续走低,经济增长速度放缓,居民消费需求不旺,出现通货紧缩趋势。2000年后由于国家积极的财政政策、稳健的货币政策和启动消费市场、扩大内需等政策的效果逐步显现,通货紧缩的趋势得到有效抑制。第二阶段温和通涨期,时间为2003-2008年,这一时期处在新一轮经济增长周期的上升期,国际国内的农产品市场和矿产资源类产品市场的格局发生改变,局部的卖方市场特征日益明显,同时由于房地产投资过热和贸易顺差造成的流动性过剩,居民消费价格指数保持了稳中有升的态势,从2003年的1.2%增长到2008年的5.9%。这一时期呈现出需求导向型的温和通胀状态,消费、投资、净出口三驾马车拉动经济持续快速的增长。第三阶段价格波动调整期,时间为2009-2010年,从2008年下半年开始,经济增速下降,2009年居民消费价格下跌0.7%;2010年,伴随着国民经济的企稳回升,居民消费价格再拾升势,上涨3.3%。

(二)我国居民消费价格区域差异分析

从居民消费价格年平均涨幅看,1998-2009年全国居民消费价格温和上涨,各地区平均涨幅基本在1%～2%之间。超过全国平均水平的有上海、西藏、新疆、贵州、云南、内蒙古、甘肃、山西、四川、宁夏、湖南、青海12个地区,低于全国平均水平的有河北、陕西、福建、吉林、黑龙江、浙江、海南、天津、辽宁、广西、广东、重庆12个地区。在所有省市中,青海的物价上涨最快,年均上涨2.8%,而广东和重庆的物价上涨最少,年均上涨只有1.0%。

从全国及31个省(区、直辖市)内部CPI的波动幅度看,各省(区、直辖市)内部CPI波动的离散程度大小不一,其中福建、浙江、江西、江苏、辽宁、北京、天津、内蒙古、山东、西藏、上海11个地区的标准差小于全国水平,其他各省区的标准差值均大于全国水平。广西最大,为3.16;上海最小,为1.71。这说明居民消费价格波动幅度省际间还是有差异的。同样,从极值的变化也可以得到此结论(见表1)。

从各年31个省(区、直辖市)居民消费价格指数的波动幅度看,在居民消费价格指数连续低迷的几年后,一些地区为了解决长期积累的价格矛盾,采取积极稳妥措施果断调整相关服务和商品价格,导致地区价格差距有所扩大;但当全国价格普遍上涨时,为抑制通货膨胀,国家会采取积极的财政和货币政策,并严格各地调价项目的出台,这时地区价格差距就会缩小。各年幅度均在0～2之间波动,地区价格波动差距无明显减小趋势。

二、我国居民消费价格指数区域差异的实证分析

(一)变量及模型选取

改革开放以来,我国价格上涨和经济发展之间存在着很高的相关度,价格几乎成了宏观经济变化的指向标。本世纪初,价格上涨对经济增长的影响力在宏观经济政策的作用下才有所收敛,但商品价格在一定程度仍然是市场供需力量对比的晴雨表。面板数据是指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据。因此,面板数据模型相较于只利用截面数据或只利用时间序列数据的模型而言,有着不可替代的作用。它可以从多层面分析经济问题,具有很高的应用价值。面板数据一般有3种:混合模型、固体效应模型、随机效应模型。其中,固定效应模型适合于横截面单位为总体中所有单位的情况。固定效应模型分为变系数模型、变截距模型和混合模型3种形式,基于前文所作初步分析及变量的可量化性、代表性和差异性等因素,本文以31个省(区、直辖市)1998-2009年数据建立个体固定效应变系数模型。其中,因变量为居民消费价格指数的对数(LNCPI),自变量分别为国内生产总值指数的对数(LNGDP)。

(二)全国及31个省(区、直辖市)居民消费价格上涨的实证分析

1. 单位根检验。

单位根检验就是检验面板数据的平稳性,LLC检验是对小样本面板数据进行单位根检验经常用的和实验效果比较高的方法,通过此种方法对面板数据进行单位根检验,得到调整后t值对应的概率P小于0.05,拒绝原假设。由于GDP和CPI(都存在单位根,所以这里分别对两者取对数(见表2)。

2. 模型建立与结果。

估计模型的选择和建立面板数据模型的基本形式为:

其中:Yit为被解释变量,xit为解释向量,βit为参数变量。

利用Eviews5.0软件可以得出模型估计结果,我们采用广义最小二乘协方差估计,为了消除截面数据存在的异方差,使用截面残差的方差作为权重。

该变系数模型估计的R2=0.999592,说明模型的拟合程度较好,表明经济增长在较大程度上能够解释居民消费价格指数变化情况。D.W.统计量等于2.113203,非常接近于2,表明模型估计结果的残差序列不存在一阶序列自相关。从解释变量的系数看,从解释变量系数的显著性看,有11个地区没有通过显著性检验,这主要是由于本文所研究的数据是小样本数据,时间跨度只有12年,与解释变量个数相差不大,因此允许不全部通过检验。

从模型的回归系数和系数的显著性看,全国经济增长与居民消费价格的上涨呈正相关,黑龙江、宁夏、青海、陕西、云南、新疆、河南、贵州、湖北、河北、安徽、江苏、广西、辽宁、重庆、湖南、吉林、江西、天津、四川、内蒙古21个地区的经济增长也与居民消费价格的上涨呈现明显的正相关关系,说明这些地区经济较快增长会带来社会总需求明显增加和商品价格相应上涨。但各地区回归系数大小不一样,黑龙江最大,为1.36,内蒙古最小,为0.28。换句话说,各地区的经济增长对居民消费价格上涨的贡献各有所异。弹性系数最大的10个地区基本集中在中西部和粮食主产区。近年来我国相继出台的实施西部大开发、振兴东北地区等老工业基地、中部崛起战略等政策对这些省市的经济发展形成了影响,经济发展带来社会总需求的明显增加,加上近年来粮食价格上涨的助推,使这些地区居民消费价格的上涨明显高于全国平均水平。而没通过显著性检验的基本上都是经济相对发达的东部地区如北京、上海、浙江、福建、山东、广东等地区,表明这些地区经济增长对居民消费价格上涨的解释力不足,究其原因,主要是由于这些地区经济发展较高、结构相对优化,居民消费价格指数除了受经济增长影响外,还与收入水平、货币供应、国际市场、市场预期、自身惯性等因素密切联系。如2007年以来我国出现明显通货膨胀压力,既有需求拉动、成本推动方面的原因,也有结构性供应短缺和价格上涨引发的原因,还表现出某种程度的外部输入型特征,是经济增长、货币供应、居民收入和消费水平、上下游产品价格传导效应、国际市场等多种因素综合作用的结果。

个体固定效应因子表示一个地区居民消费价格自发涨价能力的高低,由于大多数商品已经放开,地区居民消费价格自发涨价能力主要体现在各地为解决长期以来存在的价格矛盾而采取的措施。北京、西藏、上海、山西、内蒙古、四川、山东、天津、浙江、江西、广东、福建、吉林和湖南14个地区个体固定效应因子为正数,这些地区除西藏外大都处于中东部地区,或开放程度较高,或矿产丰富,经济相对比较发达,居民收入相对较高,各地政府对价格的调控能力较强,即居民消费价格自发涨价的能力较强。相反,其他17个地区个体固定效应因子为负数,这些地区多集中在西部地区,由于居民收入水平仍然偏低和社会保障体系不健全等原因,居民收入预期不稳定,社会需求相对较弱,居民消费价格自发涨价能力也相对较弱。

三、政策建议

(一)把握好经济增长与控制物价的关系

当前,我国将控制物价过快上涨作为宏观调控首要任务之一,这是基于民生考虑做出的决策,根本目的是为了维护经济社会发展的稳定。从模型中得到,目前大部分地区经济的增长,消费的升温,必定带动价格的上涨。而价格上涨会带来一系列的社会问题,进而阻碍经济发展。因此,首先要根据实际情况,把握好经济增长和抑制通货膨胀之间的平衡点,保持价格上涨和经济增长的和谐共存,同时建立有效的价格形成机制,让物价真实体现市场参与各方的成本、收益,反映市场要素的价格。让市场各方积极投身经济建设,确保经济增长,增强经济实力,为改善民生提供物质条件。

(二)价格总水平调控要体现区域差异

从模型中看到,由于我国各地区在自然资源禀赋、历史沿革、地理位置、经济发展水平、市场发育程度以及政策制度等方面存在差异,各地区控制价格自发上涨的能力有强有弱,在价格上涨的时间、成因和上涨幅度等方面不尽一致。因此,在价格调控上,要体现出区域差异性,只要不偏离国家宏观调控目标,就不宜过多行政干预,切实把握好调控的方向、节奏和力度,以提高价格总水平调控的灵活性、针对性和有效性。

四、加快结构调整,调整收入分配格局,为价格改革提供空间

由于我国还处在市场经济的改革期,多年积累下的深层价格矛盾还没有全部解决,在一定程度上引发和加大了市场价格上涨的压力。因此,今后应继续加快经济结构的升级和转型,消除各种不利于结构调整的体制和政策障碍,大力发展第三产业,扩大就业,提高居民收入,促进消费;同时,要发挥社会保障机制作用,扶持救济弱势群体,有效调节收入分配差距,提高中低收入群体的消费能力,为价格改革提供空间。

居民消费者价格指数 篇2

一年来，我县居民消费品价格调查工作在县委、政府的领导下和省市调查新阶段的指导下，在本局领导的关心和支持下，顺利的开展。

2011年11月份我们接受局领导的安排开展这项工作以来，报着求真务实的精神，对全县居民消费物价进行了价格调查。在全县共设采价点79处，调查各类商品共561种，包括蔬菜，衣着、家电、食品等与市民生活息息相关的各种商品。本次调查真实的反映出了礼县居民的消费水平为政府的宏观决策提供了一个可靠的依据。

在调查过程中我们在三位调查员分头行动，每个商品逐一调查，有的商贩警惕性高拒绝提供商品价格。面对这些困难，我们耐心的给他们讲解，说明来意，尽管这样还是引起了不少人对调查的反感，因采价每五天一比较频繁，难免引影响他们的生意。面对这些困难我们都逐一克服，最终完成了2010和2011年两年的物品价格调查。

通过调查我县2011年的居民消费价格平均指数104.3，2到10月份物价较为稳定，从11份份开始，食品，和蔬菜价逐渐上涨，其中12份的CPI指数最高这主要是近关将近，全县物品需求量增大价格大幅上涨所至。

2011我县居民消费价格同比指数第一季度为101.1、第二季度为104.1、第三季度为103.9、第四季度为105。以上数据显示我县物价是逐步上涨的虽然第三季度有所下降但第四季度出现了更大幅度的上涨，经计算2011年我县的通货膨胀率为3.85%物价呈温和型上涨，因此物价上涨对市民生活水平的影响并不太大。

居民消费者价格指数 篇3

关键词：居民消费价格指数；统计分析；理论知识；预测

一、引言

近几年，随着我国经济的不断发展，我国居民的物质消费水平也越来越高，居民消费价格指数也越来越得到人们的重视。居民价格消费指数是反应人们消费水平状况的重要指标，注重对居民的消费价格指数的研究可以增加政府对我国居民消费状况的了解，对我国政府的政策制定、经济宏观调控等都有重要的参考价值。

二、居民消费价格指数的理论知识

居民消费价格指数英文全称为Consumer Price Index，缩写为CPI，它是度量消费商品及服务项目价格水平随着时间变动的相对数，反映居民购买的商品及服务项目价格水平的变动趋势和变动程度。居民消费价格指数在整个国民经济价格体系中占有重要的地位，对于我国经济宏观调控具有正要的指导作用。

另外，CPI的计算采用的是是固定权数按加权算术平均指数公式计算，CPI=（一组固定商品按当期价格计算的价值/一组固定商品按基期价格计算的价值）×100%。同时，居民消费价格指数还与经济通货膨胀有关，加深对居民消费价格指数的研究可以一定程度上抑制经济通货膨胀。有学者认为，当居民价格指数>3%就表示本地区已经发生了通货膨胀。

三、居民消费价格指数的统计分析

下面我们以我国今年来的居民消费价格指数为例从总体、结构、影响因素、以及动态预测四个方面进行深入分析。

1.居民消费价格指数的总体分析

近几年，我国居民消费价格指数一直处于飞速上涨的状态，据国家统计局发布的数据显示，单2012年12月份全国居民消费价格指数同比上涨2.5%，涨幅比上月扩大0.5个百分点。下图是节选我国2008年—2012年我国统计局统计的CPI的增长率：

总体分析，我国居民消费价格指数上涨有以下三个明显的特征：（1）我国物价涨幅逐步的扩大；我国近几年居民消费价格指数的运行轨迹一般都呈现前低后高的态势。以肉类为代表，我国猪肉价格一直处于稳步上涨的状态。（2）全国居民消费价格指数结构性上涨明显；（3）促进我国居民消费价格指数上涨的因素变多。

2.居民消费价格指数的结构分析

我国居民消费价格指数在结构上包括食品、饮酒、居住、医疗保健个人用品等。近几年我国居民消费价格指数结构性涨幅很大，并且结构性涨幅不平衡。例如2011年全国居民消费价格指数个部分构成与所占比重是：食品31.79%，烟酒及用品3.49%，居住17.22%，交通通讯9.95%，医疗保健个人用品9.64%，衣着8.52%，家庭设备及维修服务5.64%，娱乐教育文化用品及服务13.75%。2012年5月份，全国居民消费价格总水平同比上涨3.0%。其中，城市上涨3.0%，农村上涨2.9%；食品价格上涨6.4%，非食品价格上涨1.4%；消费品价格上涨3.6%，服务项目价格上涨1.7%.1-5月平均，全国居民消费价格总水平比去年同期上涨3.5%。

3.居民消费价格指数的影响因素分析

影响我国居民消费价格指数增长的因素有很多，总结概括起来，我认为主要由以下几点：

（1）近几年经济发展的推动是居民消费价格指数增长的重要因素之一；经济的发展，我国制造业飞速发展，对于原材料需求量很大，这就促进了人们对于资源的需求和消费。

（2）国际市场价格的导向作用；我国加入世贸组织之后，我国经济进一步融入了世界市场，国际市场物价的波动同样会带动我国物价的浮动。近几年，世界粮食和石油价格一直处于持续上涨的状态，这也带动了我国国内相关产业物价的上涨。

（3）受我国国内供需不平衡的影响；受近几年我国自然灾害的影响，以及国际市场的影响，我国很多地方市场都总体呈现出供求失衡的状况。例如像生猪养殖业，近几年瘟疫发生，养殖户减少，导致猪肉市场供低于求，猪肉价格持续上涨。

4.居民消费价格指数的动态预测分析

从以上推动价格上涨的因素来看，我国在最近的一段时间里，物价还是会持续上涨，尤其是资源类的产品。从物价稳定的因素来具体分析，近几年我国政府在经济调控方面也出台了一系列的政策，继续实施适度从紧的财政和货币政策，像2008年央行连续多次上调存款准备金率和存贷款利率，运用特别国债等财政政策，这些宏观调控“组合拳”。这些政策都将有利于缓解货币流动性过剩问题，避免经济过热，同时对稳定我国市场的物价水平起到举足轻重的作用。

总而言之，要想从根本上控制我国物价水平，我国应该对目前的企业经济制度做更深一层次的改革。否则，在未来的时间内我国物价还将处于飞速增长的状态，像房地产，虽然国家多次出台控价规定，但是依旧飞速增长。

四、总结

总之，我国统计部门应该注重对CPI的研究分析工作，并且根据CPI反映的居民消费状况，研究、制定并调整我国的消费政策、居民工资政策、物品价格政策以及我国货币政策等，这才是CPI研究的真正意义所在。

参考文献：

[1]国家统计局城市社会经济调查司.走近CPI.中国统计出版社，2010.

居民消费价格指数的时间序列分析 篇4

(一) ARMA模型

设{Xt} (t=…, 1, 2, 3, …) 是一随机时间序列, 如果满足下列条件

①E{Xt}=μ, μ为常数t=…, 1, 2, 3, …

②E (Xt+k-μ) (Xt-μ) =γk, t=…, 1, 2, 3, …

则称{Xt}为平稳时间序列。

平稳时间序列{Xt}如果满足如下随机差分方程

则称差分方程 (1) 为p阶自回归-q阶滑动平均模型。记为ARMA (p, q) 。用滞后算子表示为

其中

{εt}是白噪声过程, 即{εt}满足如下条件

如果p=0, 模型 (1) 为q阶滑动平均过程, 记为MA (q) ;如果q=0, 模型 (1) 为p阶自回归过程, 记为AR (p) 。

在实际应用中, 我们要求ARMA模型满足平稳和可逆条件, 即Φ (Z) =0和Θ (Z) =0的根在单位圆外。此时模型 (2) 变为

模型 (3) 的无条件均值、无条件方差和条件方差都是常数。条件均值随着时间的变化而变化。所以, 可以利用该模型对未来进行预测, 应该可以得到比平均数更好的预测, 因为该预测会随着新数据的增加而不断调整。

假设我们得到的时间序列是平稳的, 就可以对它建立ARMA模型。

(二) ARIMA模型

上述的ARMA模型是平稳时间序列模型。现实中很多时间序列都存在一定的趋势, 因此是非平稳的。对于非平稳时间序列不能直接建立ARMA模型, 我们可以通过对非平稳序列进行差分以得到平稳序列。

若某时间序列是非平稳的, 通过差分运算, 得到平稳性的序列称为单整序列。如果序列Xt通过d次差分成为一个平稳序列, 而这个序列差分d-1时却不平稳, 那么则称序列Xt为d阶单整序列, 记为Xt~I (d) ;特别地, 如果序列Xt本身是平稳的, 则称为零阶单整序列, 记为Xt~I (0) 。对于非平稳时间序列Xt, 经过d阶差分变换得到平稳序列, 可对其建立ARMA (p, q) 模型, 即

称上述模型为求和自回归滑动平均模型, 记为ARIMA (p, d, q) , 其中, p, d, q分别表示自回归阶数、差分阶数、移动平均阶数, 当d=0时, ARIMA (p, d, q) 模型就是ARMA模型。

(三) ARMA模型的建模步骤

ARMA (p, q) 模型的建模步骤如下:

首先, 对原时间序列进行平稳性检验, 如果序列不满足平稳性条件, 可以通过差分变换或者对数差分等其他变换, 使原时间序列满足平稳性条件。将非平稳时间序列转换为平稳时间序列, 是对非平稳时间序列进行ARMA分析的必要前提。

其次, 对ARMA模型定阶, 即确定p, q。定阶的方法一般有两种:一是通过计算自相关函数和偏自相关函数按如下特征确定:

二是根据AIC和BIC信息准则确定:

T为样本长度, 是对噪声项方差的估计, 。判断滞后长度的准则是p和q的函数, 给定它们的值, 可以得到一个AIC值, 开始时, AIC随着p和q的增加而减小, 但由于样本长度有限, p和q越大, 估计精度越低, 增加, 因此AIC值又增加, 所以选择使AIC最小的p和q。

再次, 对模型的未知参数进行估计, 并检验参数的显著性, 以及模型本身的合理性。

最后, 进行诊断分析, 以证实所得模型与所观察到的数据特征相符。

在建模过程中, 需要一些统计量和检验来判断模型形式的选择是否适宜。所需要的统计量和检验包括:①检验模型参数显著性水平的t统计量;②检验序列平稳性的单位根检验;③模型的残差序列是否为白噪声序列, 可采用检验序列相关的方法进行检验。

二、居民消费价格指数ARMA模型的建立

居民消费价格指数 (Consumer Price Index) 是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标, 通常作为观察通货膨胀水平的重要指标。本文选取了1995—2006年全国居民消费价格指数共49个数据, 建立其时间序列模型。数据的分析与处理均采用Eviews3.1软件。表1为1995—2006年全国居民消费价格指数。

(一) 数据的平稳性检验与处理

利用Eviews软件对表1中的数据做相应的折线图, 如图1所示。

资料来源:中经网统计数据库。

从图2中可以看出, 消费价格指数具有一定的趋势性, 初步判断原序列{CPIt}是非平稳序列, 对其进行ADF检验 (含常数项和趋势项) , 结果显示{CPIt}是非平稳的。对做一阶差分, 得到序列{▽CPIt}, 对{ΔCPIt}做ADF检验 (含常数项) , 结果显示{▽CPIt}没有通过检验, 需要对序列{CPIt}做二阶差分, 二阶差分后得到序列{▽2CPIt}, 对其进行ADF检验 (不含常数项和趋势项) , 结果表明{▽2CPIt}通过ADF检验。{CPIt}、{▽CPIt}、{▽2CPIt}的检验结果如表2。

注:检验形式 (C, T, K) 中的C, T, K分别表示单位根检验方程包括常数项、趋势项和滞后阶数, 0表示不包括。其中滞后阶数的选择根据AIC准则确定。

表2显示, 序列{CPIt}的ADF检验统计值-2.8696大于1%、5%、10%显著性水平的临界值, 说明{CPIt}是非平稳的。序列{▽CPIt}ADF检验统计值-1.8993也均大于1%、5%、10%显著性水平的临界值, 说明{▽2CPIt}是非平稳序列。序列{▽2CPIt}的ADF检验统计值-5.4408均小于1%、5%、10%显著性水平的临界值, 为平稳时间序列。因此, 可以对序列{▽2CPIt}建立ARMA模型。

(二) ARMA模型的建立

ARMA () 模型的识别与定阶可以通过样本的自相关系数和偏自相关系数确定。将记为, 利用Eviews软件得到的自相关系数和偏自相关系数图, 如图2所示。

从图2可以看出, 序列{Xt}的自相关系数 (ACF) 拖尾, 偏自相关系数 (PACF) 在滞后2阶之后截尾, 因此考虑建立模型ARMA (2, 0) 。利用Eviews软件对模型进行估计, 估计结果如表3所示。

由表3估计结果得到回归方程为:

此模型为二阶差分后时间序列的拟合模型。

再看模型实际值和拟合值的情况, 如图3。

(图中上面两条线是Xt的实际值与拟合值, 下面的一条线是残差序列值)

从图3可以观察到, 该ARMA (2, 0) 模型拟合较好, 残差序列基本上也是一个零均值的平稳序列。

(三) 模型的检验

为考核模型的优劣, 需进一步对残差序列进行白噪声检验。若残差序列是白噪声序列, 可认为模型合理, 适用于预测;否则, 意味着残差序列还存在有用的信息没被提取, 需要进一步改进模型。检验可通过残差自相关分析图进行直观判断, 图4为模型残差序列自相关图。

从图4看出, 残差序列的自相关与0无显著不同, 或说基本落入随机区间, 认为残差序列为白噪声序列。模型通过检验。

结语

以上就是用我国居民消费价格指数序列来做的关于时间序列的一系列分析。

时间序列包含很多有用的信息, 如何从中提取这些信息有着重要的意义。时间序列分析为我们提供了挖掘信息的有效方法, 其可以用于很多类似的问题, 可以做市场调查、预测等, 它对我们的开展经济活动是很有帮助的。

参考文献

[1]潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社, 2006.

[2]池启水, 刘小雪.ARIMA模型在煤炭消费预测中的应用分析[J].能源研究与信息, 2007, (2) .

居民消费者价格指数 篇5

2014年元月份，濮阳市居民消费价格指数（CPI）环比上涨0.8%；全市CPI环比上涨0.7%；与上年同期比，上涨0.9%。其中，城市上涨1.7%，农村上涨0.4%。价格变动主要情况如下：

一、从同比看，全市CPI同比上涨0.9%

据调查的八大类商品多数上涨。其中，食品类上涨1.4%、烟酒类价格上涨0.5%、衣着类价格上涨0.5%、家庭设备用品及维修服务类价格持平、医疗保健和个人用品价格上涨1.5%、交通和通信价格价格上涨0.4、娱乐教育文化用品及服务价格上涨1.9%、居住类上涨0.9%。

二、从这月环比来看，八大类商品和服务价格中，环比指数呈“三升一降三平”态势

1、食品类价格与上月相比上涨2.0%。其中：油脂价格与上月相比上涨0.1%、肉禽及其制品价格与上月相比下降0.8%、蛋价格与上月相比上涨2.0%、菜类价格与上月相比上涨13.3%、干鲜瓜果价格与上月相比上涨4.8%、液体乳及制品价格上涨1.1%。

2、烟酒类价格与上月相比下降0.1%。

3、衣着类价格与上月相比上涨0.6%。

4、家庭设备用品及维修服务类持平。

5、医疗保健和个人用品类持平。

6、交通和通信类持平。

7、娱乐教育文化用品及类持平%。

居民消费者价格指数 篇6

关键词：区组Bootstrap方法；居民消费价格指数；趋势分析；R软件

居民消费价格指数，简称CPI，它是一种随着时间变动的相对数，用于衡量居民生活消费品与服务价格水平，能综合反映出居民购买生活消费品与服务价格水平的变动情况。及时了解国家或某个地区的通货膨胀情况对于其经济的发展有着重要的意义。

一、区组Bootstrap 方法

在大多数条件下，统计数据具有一定的相依结构，但并不能满足独立同分布的需要，如果继续使用独立同分布的Bootstrap，很可能导致失败。文中，对云南省居民消费价格指数进行的趋势分析问题是采用带有相依结构数据的Bootstrap方法中的一种即：不交叠区组Bootstrap法，详细的流程有以下几点：首先将n个数据点按照顺序拆分为N个区组，每个区组长度为l，拆分好数据之后，重抽样的对象就变成了这N个区组。

（一）数据区组长度的选取

对于区组Bootstrap法算法来说，最重要的是数据区组长度的选取。研究表明，数据块长度的选取是有规律的，并证明了取块长度为，为样本个数，。

在合理的假设条件下，统计量具有相依结构的样本构造，对统计量来说，其均方误差和样本观察值成比例，而比例的常数项还没有确定下来。但在大多数条件下，并不需要对比例常数进行确定，那么就可以用以下算法略过估计比例常数：

（1）给定（数据块长度）的初始值，通过数值模拟得出统计量的估计值。

（2）取满足，的、，对个可重叠的不同样本， ，分别计算，进一步得到样本容量为、数据块为的的均方误差估计：

（3）固定，对不同的，重复以上过程，找出使最小化的，进一步得到样本容量为的样本最优化块长

以上算法不需要对比例常数进行估计，可以通过以为初始值的迭代过程来验证存在的充分性。

二、趋势分析的理论研究

通常可采用线性分解模型来描述时间序列：

，t=1，2，…，n

式中：为时段的时间序列；为趋势分量；为季节分量；为循环变动分量；为不规则变动分量。

（一）趋势分析

趋势分析研究的是时间序列顺序递增或递减的变化规律。文章采用常用的非参数方法：斯波曼秩相关检验法。其统计量可描述为：

其中表示数据在时间序列中的排序，由于不存在趋势的序列统计值D服从正态分布，则可定义斯波曼检验统计量，其服从标准正态分布。

（二）用Bootstrap方法估计显著性水平

用Bootstrap方法估计显著性水平的原理：假设时间序列， 对于能描述序列趋势的统计量，如果改变序列中的数据的位置，将不会发生明显变化。该方法为：

（1）选择合适的统计量（如斯波曼检验统计量），计算原 的统计值。

（2）对原序列再抽样N次，分别计算第i次抽样序列的统计量，对其进行排序：

（1）

如果介于和之间， 即：

（2）

则可采用经验频率估计分位数： （3）

如果统计量是一绝对值形式， 则为单侧假设检验，相应的显著性水平；否则为双侧假设检验，显著性水平可估计为：

（三）居民消费价格指数趋势分析

借助2011-2014年云南省居民消费价格指数月度数据，采用非参数斯波曼秩相关检验统计量，用区组Bootstrap方法估计其趋势分析的显著性水平，从而对居民消费价格指数趋势做出分析与预测。见表1

利用R软件得到云南省居民消费价格指数基本走势如下：

参考文献：

[1]Rao CR. Linear statistics inference and its applications. （2nd Edit）New York， John Wiley & sons.Inc.1973

[2]Efron B & TibshiraniRJ. An Introdution to the bootstrap. New York： Chapman & Hall， 1993

[3]刘攀，郭生练，肖义等.水文时间序列趋势和跳跃分析的再抽样方法研究[J].水文，2007，27 （2）：49-531

居民消费者价格指数 篇7

关键词：居民消费价格空间指数,EKS,MST,GK

一、引言及文献综述

居民消费价格指数(CPI)是一个反映居民家庭购买消费商品和服务价格水平变动情况的宏观指标,不仅与人们的生活息息相关,还是政府进行经济分析和决策的重要参考指标。

CPI—直是国内外专家研究的重要内容,现阶段关于CPI的研究主要集中在以下两个方向:一是CPI的联动性分析,主要包括CPI和PPI、GDP的关系,如周文等(2012)发现总体上我国经济增长与通货膨胀呈现出同向变动的特点,董直庆等(2009)得出中长周期CPI和PPI呈现同步波动特征的结论;二是CPI的编制,主要有CPI编制的国际比较和CPI编制的问题,如高艳云(2009)对中国CPI的编制及公布进行了国际比较,分析了所存在的差距,并提出了几点结论及建议,徐强(2013)从更精确质量调整的CPI、不同目标人口群体的CPI、测度核心通货膨胀的核心CPI等方面,提出了改进中国CPI编制和数据发布的建议。

上述文献虽然从多个角度对CPI进行了研究,但我国现在公布的各地区CPI均以上年为基期计算得到,它只能用于比较各地区的价格水平变动即通货膨胀率,而不能用于比较各地区的价格水平差异。居民消费价格空间指数的提出很好地解决了这个问题,它不仅可以对不同地区的价格水平差异进行计算和测度,比较某一时期不同地区各种商品价格的综合差异程度;还可以消除各地区价格因素的影响,得到代表真实价格水平的数据,如各地区实际工资水平、实际人均收入以及实际居民消费支出等,这对我国宏观经济政策的制定有十分重要的参考价值。

二、居民消费价格空间指数的测算方法

居民消费价格空间指数的实质是在不同地区购买相同的生活消费品和服务项目所需花费本地区货币数量的比值,即为相同生活消费品和服务在不同地区的价格比率。价格比率的构造思路是某一地区相对于参照地区(指同时期经济实力最强的地区)的比较。常用的主要有三种——拉式、派氏和费氏指数。

用j表示地区(j=1,2,…,J),i表示商品编号(i=1,2,…,n),k表示参照地区。假定pij和qij分别表示j地区第i类商品的平均价格和消费量,eij=pijqij表示j地区第i类商品的消费总额,表示第i类商品在j地区的价值份额。则三种方法的计算公式表示如下。

拉氏价格指数:

派氏价格指数:

费氏价格指数:

总体来看如果要建立中国各地区价格空间指数,一般以北京为参照地区,估算其他地区相对于北京的综合价格水平,而其他各地区间综合价格水平的估算则要通过北京这个“媒介”间接获得,但由于这三种方法都不具有可传递性,因此间接计算的其他各地区的价格空间指数不等于直接计算的结果,失去了内在一致性。为克服这个缺点,本文提出EKS法、MST法和GK法。

(一)EKS法

EKS法的思想是将某个地区的价格与反映所有地区价格水平的一个综合价格比较,得到该地区的价格空间指数。EKS法的计算思路为:第一步是计算任意两个地区的价格指数,通常采用费氏指数;第二步是对所有与某一地区有关的价格指数进行几何平均,即得到该地区的EKS法价格空间指数。

假设某一组(或区域)中有D个地区,k表示地区编号(k=1,2,…,D),Pkj表示j地区相对于k地区的价格指数,则j地区的EKS法价格空间指数为:

EKS法的最大优点是确保了价格空间指数的结果具有可传递性,即内在一致性。EKS法的缺点是它对数据的要求非常高,必须计算任意两个地区间的价格指数,很可能会由于数据缺失而对最终结果产生不良影响。

(二)MST法

MST法也是一种以双边比较为基础的多边比较方法。MST法的基本思路是在生成树方法的基础上,选择地区组合建立最小生成树,以保证比较结果的偏差最小。MST法的计算思路为:第一步是建立D个地区的最小生成树;第二步是根据最小生成树的地区组合,计算D-1组地区的价格指数;第三步是找一参照地区,通过连接这两个地区的其他地区间接得出每个地区的价格指数。

本文根据克鲁斯卡尔算法完成MST法计算的第一步,建立一个最小生成树,第二步选用费氏指数计算相互连接的两地区间的价格指数,第三步选取北京为参照地区计算其他地区的价格指数。

(三)GK法

GK法以虚拟地区为参照地区,将虚拟地区作为全部地区平均价格水平的载体,再将其他地区与之相比较,从而得到该地区的价格空间指数,计算公式如下:

其中,表示j相对于虚拟地区X的价格空间指数,piX为GK法构建的虚拟地区某项商品i的价格,其满足以下公式:

GK法价格空间指数虽然满足可传递性,但GK法在构建虚拟地区的价格时,以各地区各商品消费量的比重为权重,使得那些消费量较大地区的价格所占权重较大,结果也就倾向于这些地区,因此GK法更适用于经济发展水平和消费水平相当的地区之间进行比较。

三、实证研究

(一)数据来源

构建价格空间指数需要我国31个省(市、区)居民日常生活消费的商品和服务项目的价格以及相关权重这两方面的数据,本文采用中国价格信息网站上公布的2015年3月中旬31个地区居民主要消费商品和服务的价格作为价格数据,考虑到研究的可行性,本文选取的价格都是城镇价格,城镇价格的调查数据比较完整,数据衔接性较好,也比较有代表性。8大类居民消费支出下的小类支出数据来源于国家统计局公布的2013年统计年鉴中11-15“分地区城镇居民人均每人全年现金消费支出(2012)”,为了和价格数据相一致,本文将会剔除或者合并权重表的一些项目并保证各大类的权重之和为1,将调整后的权重表作为计算权重的最终依据。

本文将商品和服务项目分为三个层次:大类、基本分类和具体的商品或服务项目。为了把权重数据和价格数据统一到同一个商品和服务项目的分类框架中,本文将来自发改委的价格数据中的各商品和服务项目,对应到国家统计局中消费支出中的基本分类。最终将商品与服务项目分为8个大类,18个基本类,60个具体项目,得到如表1的商品和服务项目的分类框架。

(二)我国居民消费价格空间指数的构建

1. 基期(参照地区)的确定。

价格空间指数基期的选择原则如下:指数的基期一般为经济发展较稳定的地区,该地区的价格波动较小,并且该地区的价格与其他地区的价格变动有较大的联动性和相关性。按照此原则,笔者对我国各地区2004—2013年的价格波动情况和价格波动相关性进行分析。

由2004—2013年中国31个省(市、区)的CPI(以2004年为基期)中可以看到,北京市的CPI波动最小,并且CPI的值大部分在接近100%的区域,这表明北京市的综合消费价格最稳定,而且北京市和其他地区CPI之间有很强的相关性,且P值都近似为0,这说明相关关系是显著的。因此,把北京市作为此次计算的参照地区。

2. 各地区价格指数的计算。

第一步,计算每一个具体商品或服务项目的平均价格,这里采用简单算术平均法计算。公式为:

其中,pij表示j地区第i个具体的商品或服务项目的平均价格,Pijs表示在j地区第s个调查点得到的第i个具体商品或服务项目的价格,q为调查点总数。

来源:中国价格信息网。

第二步,在式(7)的基础上,计算j地区与k地区第i个具体的商品或服务项目价格的相对数,得到具体项目分类价格指数。公式为:

第三步,根据具体项目分类价格指数,用几何平均法计算基本分类价格指数。公式为:

其中,表示第t个基本分类商品的价格指数,表示第i个具体项目的价格指数,n表示同一基本分类商品下具体项目的数量。

第四步,利用获得的权重信息,计算大类价格指数和综合价格指数。根据前文讨论过的方法,本文做如下6种处理,具体如下:

(1)根据公式(1)～(3),用拉氏指数、派氏指数和费氏指数计算,以北京市为参照地区,利用相应的中类价格指数和权重信息计算。

(2)根据EKS法、MST法和GK法的计算过程和公式计算,其中涉及两地区价格指数的均采用费氏指数,MST法以北京为参照地区。最终计算结果见表3。

(三)结果分析

(1)同一地区的派氏居民消费价格空间指数小于拉式居民消费价格空间指数,这与上文的结论“一般情况下,拉氏CPI倾向于大于派氏CPI的”相一致。由于本文在此处选择以北京地区的消费结构为基础,而北京经济相对发达,生产技术较先进,商品种类齐全,生活水平较高,因此同种商品的价格相对其他地区低,消费量也较大,所以拉氏指数倾向于大于派氏指数。

(2)EKS法和GK法更具有稳定性。由表3的数据看到,参照地区为北京和上海,得到的拉氏指数不同。同理,派氏指数、费氏指数也会随着参照地区的变化而变化,这就导致价格指数的不稳定性。但是,EKS和GK法得到的居民消费价格空间指数和参照地区的选择没有关系,其更具有稳定性。这是由于EKS法将某个地区的价格与所有地区的价格水平相比较,GK法是将某个地区的价格与反映所有地区价格水平的一个综合价格(虚拟价格)相比较,这就决定与多边比较法相比,EKS法和GK法更具稳定性。

(3)居民消费价格空间指数可以用来比较某一时期不同地区各种商品价格的综合差异程度。例如6种方法都表明在4个直辖市中,天津、上海、重庆的消费价格空间指数均高于北京,表明这3个直辖市的综合价格水平比北京高。又如EKS法消费价格空间指数表明上海市的综合价格水平最高,青海省最低,前者约是后者的1.479倍,这也反映出我国各地区之间综合价格水平的差异不是太大。

(4)由各地区的EKS法消费价格空间指数可得如下几点。一是东部沿海省份和西藏地区的综合价格较高。东部沿海省份的经济发达,收入水平高,这些地区的综合价格高不足为奇,但西藏地区和东部沿海地区的情况恰恰相反,通过分析数据,笔者发现在食品、交通通信、医疗保健这三大类中,西藏的综合价格较很多地区都高,特别是医疗保健,西藏地区的价格约是北京的3.26倍,这也是由于西藏交通不便利,优惠政策不够好导致的。二是中部各地区、东北三省的综合价格水平较接近,并且与中部大部分地区相比,东北三省的综合价格水平较高。三是青海省、江西省的综合价格水平最低。青海省和江西省在教育、住房的价格都非常低,特别是青海省,其教育价格不及北京的1/4。

除了上面的结论外还可以比较6种方法计算得到的居民消费价格空间指数的相似性。这可以用相似性指数Lab度量,公式如下:

其中,表示使用方法a得到的d地区的消费价格空间指数,它可以衡量任意两种方法的相似性。表4是计算居民消费价格空间指数时使用的6种方法中任意两种方法的Lab值。

由表4可知:派氏指数是一个主要的离群值,它的波动性最大,从4.36到13.38,而且它与其他方法的相似性都较小;EKS法和费氏指数的相似性最大,这是因为EKS法是以费氏指数为基础计算的;拉氏指数和派氏指数计算的消费价格空间指数相似性最小,这可能是由于其他地区和北京地区的消费结构以及消费水平的差异是不可忽视的;GK法和EKS法的相似度也较高,这是因为EKS法和GK法都是以所有地区价格水平的一个综合价格为基准比较的。

综合表3和表4可知:在计算各地区的CPI时,由于拉氏指数、派氏指数以及费氏指数不具有可传递性,当出现a、b、c三个地区时,不能由Pab>1和Pca>1得到Pcb>1。也就是说只能得出各个地区和参照地区综合水平的大小差异,而不能得出各个地区综合水平的大小差异,但是EKS法、GK法、MST法满足可传递性,所以这三种方法较优,但是由于GK法解多个非线性方程的复杂性以及地区数量对MST法复杂度的约束性,在实际应用时EKS法是最优的。

四、结论

本文梳理了构建居民消费价格空间指数的6种方法,介绍了各种方法的原理和计算公式,最后用6种方法构建我国31个省(市、区)的居民消费价格空间指数并比较各种方法得到结果的相似性。本文通过研究,主要得到以下结论。①一般情况下拉氏指数倾向于大于派氏指数。EKS法、GK法和MST法都满足可传递性,保证了指数的内在一致性,不同地区之间的价格指数是唯一的,不会由于参照地区的不同而改变,这三种方法是编制居民消费空间价格指数的较好方法。②从我国各地区的居民消费价格空间指数来看,东部沿海省份和西藏地区的综合价格较高,青海省、江西省的综合价格水平较低,中部各地区、东北三省这两个集群内的价格差异较小。③6种方法中EKS法和费氏指数的计算结果相似性最大,拉氏指数和派氏指数的相似性最小。

与现有研究相比,本文的主要目的和贡献:一是将EKS法、GK法和MST法引入并用于计算居民消费价格空间指数,丰富了价格空间指数的实践计算方法;二是实证研究部分,用6种方法构建中国31个省(市、区)的居民消费价格空间指数,比较各地区的综合价格水平差异,丰富完善了现有CPI的内容,可以从价格水平和价格水平变化两方面对各地区进行分析比较。

居民消费者价格指数 篇8

关键词：居民消费价格指数,隐马尔科夫,预测

居民消费价格指数 (Consumer Price Index, CPI) 反映居民生活中的产品和劳务价格所统计出来的物价变动指标, 是测定一个国家或地区价格水平稳定与否的四大宏观经济价格指数的核心指标。CPI通常被作为观察通货膨胀水平的重要指标。如果指数升幅过大, 表明通胀过度, 会带来经济不稳定, 如果指标出现负增长, 则表明经济进入通货紧缩。CPI是国家制定财政货币政策、出台相关价格和消费政策的重要依据。目前世界金融危机前景尚未明朗, 中国出口受阻, 国家投入巨额资金拉动投资, 但实际效果尚有待进一步验证。内需的增长对于国家经济稳定有着重要的意义[1]。为此, 本文以国家统计局官方网站公布和相关统计年鉴的数据为依据, 运用隐马尔科夫模型对CPI进行建模预测, 为国家经济政策提供参考。

一、马尔科夫模型和隐马尔科夫模型

1、马尔可夫链

马尔可夫 (Markov) 链, 是数学中具有马尔可夫性质的离散时间随机过程。该过程中, 在给定当前知识或信息的情况下, 过去 (即当期以前的历史状态) 对于预测将来 (即当期以后的未来状态) 是无关的。

时间和状态都是离散的马尔可夫过程称为马尔可夫链, 它是随机变量S1, S2, S3, …, 的一个数列。这些变量所有可能取值的集合, 被称为“状态空间”, 而Sn的值则是在时间n的状态。一个马尔可夫链模型可表示为λ= (S, P, Q) , 满足下面两个假设的一种随机过程:

·t+l时刻系统状态St+1的概率分布只与t时刻的状态St有关, 与t时刻以前的状态St-i (i=1, 2, …, t) 无关。即:P (Sn+1=S|S0, S1, S2, …, Sn) =P (Sn+1=s|Sn) 这里S为过程中的某个状态。

·从t时刻到t+l时刻的状态转移与t的值无关。

在模型中, P={Pij}n×n是系统的状态转移概率矩阵, 其中Pij表示系统在时刻t处于状态i, 在下一时刻t+l处于状态j的概率, N是系统所有可能的状态的个数。对于任意i∈s, 有∑jnpij=1。

Q=[q1, q2, …qn]是系统的初始概率分布, qi, 是系统在初始时刻处于状态i的概率, 满足∑inqi=1。

2、隐马尔科夫模型 (Hidden Markov Model, HMM)

HMM是一个双重随机过程:一个是观测随机序列事件, 另一个是隐藏于其间的状态转移序列, 即Markov链。根据观测序列不同, HMM可以分为离散隐Markov模型和连续隐Markov模型两类, 本文针对离散隐Markov模型的建立进行研究。

一个HMM常用五元参数组来描述:λ= (S, O, A, B, π) , 其中:

(1) S:状态的有限集合, S={S1, …, Sn}, n为模型中Markov链的状态数;

(2) O:观测值的有限集合, O={O1, …, Om}, m为每个状态对应的可能的观测值数目;

(3) A:状态转移概率矩阵, A= (aij) n×n, 其中, aij=P (St+1=θj/St=θi) ;

(4) B:观测值概率矩阵, B= (bjk) m×n, 其中, bjk=P (Ot=vk/St=θj) ;

(5) π:初始概率分布矢量, π= (π1, π2, …, πn) ;

HMM模型主要解决3个问题:

(1) 评估问题:计算由给定模型λ产生观测序列O的概率。

(2) 解码问题:对给定模型λ和观测序列O, 求可能性最大的状态序列S。

(3) 学习问题:对给定观测序列O在最大似然度下学习得到最佳模型参数。

在马尔科夫链中, 每个状态只有一个输出, 根据观察到的输出序列就可以决定模型中的状态转换序列。但在很多其他的经济社会事件中, 每个状态能按照特定的概率分布产生多个输出。如果给定一个观察序列, 不能直接确定状态转换序列, 因为状态转移过程被隐藏起来了。所以这类随机过程被称为隐马尔科夫过程。

二、隐马尔科夫模型预测居民消费价格指数

1、CPI波动分析

在众多的经济指标中, CPI是一个广受关注的指标。它随着经济的波动呈现明显的波动。如何对CPI进行分析和预测具有重要意义。图1是2000年1月到2009年8月的中国CPI走势图。从图中我们可以看出, 从2000年1月到2002年1月, CPI一直低位运行, 但基本都在100以上;但从2002年年初开始, CPI经过波动后降入谷底, 在整个2002年基本都在100以下。从2003年开始, CPI开始了长达2年的增长, 并在2004年中期达到顶峰, 105左右;随后有所回调, 并在2005年和2006年期间保持稳定在101左右, 经济呈现高增长低通胀的良好局面;从2007年开始, CPI急剧上升, 有102左右上升到2008年第一季度的109左右, 经济形势明显过热。但随后由于受到世界金融危机的影响, 中国经济形势开始恶化, CPI连续下降一年多, 从109左右陡降到98附近, 创近十年来新低。目前CPI仍在100以下波动。

文[2]通过马尔科夫链对CPI进行了分析和预测。但是, 实际上正如前面所言, 由于CPI只是一个经济状态的一个可能输出, 而不是唯一的输出。即使在相同的经济状态下, CPI仍可能会以不同的概率呈现多个可能表现。以马尔科夫链进行预测, 存在不足。为此, 本文拟采用隐马尔科夫模型进行CPI分析预测。

2、HMM对CPI建模分析预测

为了验证本模型的可靠性, 文章以2000年1月到2008年11月的CPI数据作为建模训练, 以2008年12月至2009年5月的半年数据来作为检验, 验证模型的可靠性。具体建模步骤如下:

首先, 根据CPI的表现和中国经济运行情况, 将每月的经济状况分成过热、正常发展和缓慢发展3种状态, 见表1。

然后, 按照CPI的增速表现, 按照其表现分成5类, 按照百分位进行划分。即最低的20%为第一类, O1;位于20%和40%之间的为第二类, O2;…, 以此类推, 位于位于80%和100%之间的为第五类, 也就是百分之二十最大的CPI, O5, 见表2。

由此, 我们已初步完成模型的前期准备工作。接下来将具体进行参数计算和结果分析。

采用Matlab2009a进行建模, 初始状态概率π随机确定。根据上述的状态序列S和观察值序列O, 采用MA TL AB自带的“hmmestimate”概率估计函数估计状态转移概率矩阵A和观测值概率矩阵B表3和表4所示。其中HMM的初始概率权值π选取MATLAB默认值。

由此可以看出, 在状态1下, 只能出现观察值1, 而在状态2和状态3下, 多个观测都以不同的概率出现, 这也验证了本方法较文[2]的科学性。

在得到状态转移概率矩阵A和观测值概率矩阵B后就可以对后续的CPI建模预测了。

表5是计算得到检验数据部分 (2008年12月至2009年5月) CPI各类观察值出现的概率分布。由表5可以看出, 在2008年12月和2009年年初, 预测CPI零增长和缓慢增长, 而后续的预测均表明CPI处于负增长区间, 这与实际相吻合。

表6是实际预测的CPI的增长率。由于实际预测的CPI是观测表现, 是离散值。在现实生活中, CPI都是连续的。为了与实践相吻合, 这里将CPI还原成连续值。采用的方法为:和上面CPI分类相反, 通过将不同的CPI表现概率乘以其分类点的均值。如, 对于2008年12月的CPI预测, 取2008年12月观察值的概率分布O (0.07, 0.31, 0.34, 0.24, 0.05) 乘以分隔常数P, 这里P= ( (Qua0+Q ua0.2) /2, (Q ua0.2+Qu a0.4) /2, (Qua0.4+Qua0.6) /2, (Qua0.6+Qua0.8) /2, (Qua0.8+Qua1) /2, ) 。

从表6可以看出, HMM对CPI的观察表现基本预测正确, 只在2009年2月稍微有偏差, 这可能是由于2月份春节消费的影响。将CPI换算成连续预测值 (表6第5列) , 发现预测CPI基本符合实际情况, 大部分预测误差都在2%以内, 只是在2009年2月预测偏高。

三、结论

本文通过引入HMM对中国CPI进行预测分析, 在预测之前先将CPI离散化, 然后对状态转移矩阵和观察值分布概率矩阵进行估计, 并由此建立HMM。最后通过已建立的HMM对未来的CPI进行了估计, 案例表明, HMM能够很好地分析CPI的变动规律, 对我国宏观经济分析预测有一定的指导意义。

参考文献

[1]、孙慧钧.从CPI看我国物价上涨的成因和走势, 价格理论与实践, 27-28.

居民消费者价格指数 篇9

消费者价格指数 (CPI) 是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标, 通常作为观察通货膨胀水平的重要指标。对居民消费价格指数的预测, 不仅能反映一个国家在未来段时期内是否会发生通货膨胀或通货紧缩, 而且影响着对政府制定货币、财政、消费、价格、工资、社会保障等政策方针的制定有一定的指导作用, 可以及早地抑制住经济中的不良因素, 使经济循着良性的轨道发展。目前关于居民消费价格指数的研究, 多集中在居民消费价格指数如何度量通货膨胀率以及适用的条件方面。对于价格指数的预测, 学者们主要采用ARIMA模型、半相依自回归 (S U A R) 模型、函数系数自回归 (FAR) 模型或者是混合回归和时间序列模型来进行预测。尽管这类方法能够对价格指数进行预测, 但它难以反映其变化的复杂特性, 而混沌理论具有非常丰富的内涵, 能允许人们利用简单的确定性系统去解释自然界中高度不规则的波动现象。近年来, 用混沌应用进行预测的研究文献越来越多, 但其相关的研究主要是应用于水文学、用电量的预测中, 在价格指数方面的研究鲜为见到。本文引入混沌理论的分析方法, 从非线性时间序列预测的角度对消费者价格指数进行了研究, 根据相空间理论重构居民消费价格指数时间序列, 沿着系统演化的相轨道建立当前和未来的居民消费价格指数的映射关系, 以神经网络为工具逼近该映射关系, 建立起了基于混沌理论的居民消费价格指数神经网络模型。将此结果与ARIMA、SUAR模型、FAR模型等模型的预测结果相比较, 该方法的相对误差较小, 预测效果更好。

二、混沌识别

用混沌理论研究居民消费价格指数问题的前提是确定居民消费价格指数是混沌的。在实际应用中, 判断一个系统的动态行为是否混沌, 即是否有混沌吸引子, 一般从混沌吸引子的两个基本特征来判断: (1) 系统相空间中的吸引子是否具有自相似结构的分形维特征; (2) 系统对于初始条件是否具有敏感性。如果所研究的吸引子具备这两个特征, 那么, 我们就可以认为该吸引子是混沌吸引子, 系统的行为是混沌的。一般从定性、定量两个途径来进行时间序列性质的鉴别, 定性分析方法主要是根据观测序列在时域或频域内表现出的特殊性质对序列的主要特性进行粗略分析, 常用的有相图法、功率谱法、庞加莱截面法和代替数据法等。定量分析的方法主要是对描述混沌系统的重要特性指标包括关联维数、最大Lyapunov指数和Kolmogorov熵等特性指标定量分析, 从而进行混沌识别。

三、相空间重构

对于时间序列 , 根据Takens提出的嵌入定理, 重构相空间为:

其中, 为相空间的点, m为嵌入维数, 为延迟时间, 为相点总数, 相空间矩阵为:

由Takens嵌入定理知, 存在光滑映射 满足:

如果我们能够得到影射的解析或动力学方程, 则根据混沌时间序列中内在规律性对混沌时间序列进行预测就成为可能。然而实际中时间序列中的混沌动力学模型都是非常复杂的非线性关系, 直接获得该函数方程的解析存在一定的困难。而神经网络的非线性影射能力正是处理这种信息的很好方法。神经网络用于时间序列预测, 就是构造一个神经网络模型, 首先用该神经网络模型来拟合理论上满足公式 (3) 的这种函数关系。然后利用训练好的神经网络来推导未来的值, 即用时间序列的前m个值去预测下个值。 。

在重构相空间中, 延迟时间和嵌入维数的选取具有十分重要的意义, 直接关系到相空间重构的质量, 当选择的太小时, 延迟矢量各坐标值之间有很强的相关性, 这时重构矢量被压缩在相空间的主对角线的周围, 信息不易显露, 产生冗余误差;而当选择的太大时, 重构矢量各坐标值之间的关系几乎变成随机的, 破坏了原系统各变量之间的内在关系, 这时吸引子沿着与主对角线垂直的方向发散, 将使得重构矢量包含的原动力系统信号失真。嵌入维数m太小, 重构吸引子不能完全打开;m太大, 实际建模就需要更多的观测值, 对计算Lyapunov指数等不变量带来大量不必要的计算。延迟时间选取的方法主要有自相关法、复自相关法、去偏自相关法、互信息法和平均位移法, 在确定嵌入维数的方法中, 伪邻点法、奇异值分解法、Cao法、饱和关联维数法是比较好的方法。

四、应用实例

本文数据源于中国国家统计局网站 (http://www.stats.gov.cn) , 整理得到的样本是1990年1月至2007年6月共210个月份的居民消费价格指数序列, 前面的200个数据组成训练样本集, 用于结构优化和调整参数, 其余的10个数据组成检验样本集, 用于模拟预测。采用互信息法计算延迟时间为12, 用cao法计算嵌入维数, 其图形见图1, 故可取嵌入维数为6, 用小数据量法求得最大Lyapunov指数为0.059, 而当Lyapunov指数为正时候, 则表示相邻轨道随着时间演化分离, 长时间行为对初始条件敏感, 结合该时间序列相空间轨迹表现为在有限空间内不断伸长和折叠形成的回复性永不相交的非周期运动, 不同于毫无规律的随机运动, 但也不是周期函数的重复性运动 (图2) 这些特征, 可以判断系统存在奇怪吸引子, 该系统是混沌的。本文采用RBF神经网络进行拟合和预测, 在实际训练过程中, 由于用cao法求得嵌入维为6, 故神经网络输入层数取为6, 用隐层数为11训练3328次之后, 得到一个训练成熟的神经网络模型。下面将该模型跟ARIMA模型、SUAR模型、FAR模型的预测的结果用表列出。

从表可以看出, 用结合混沌理论和神经网络的方法对对数据的预测较为准确, 与传统的预测方法比, 本文的预测结果平均预测误差少, 整体误差的指标较好, 呈现较好的综合预测性能, 并且不需要建立以实际系统数学模型为基础的预测模型, 省去了在预测前对系统建模这一步骤。结果表明在我国居民消费价格指数的预测中, 本文提出的方法优于传统的方法, 可以很好地模拟和预测价格指数的变化规律, 对数据的预报有一定的参考价值。

五、结论

消费者价格指数受许多非线性因素的影响, 研究者们主要采用ARIMA模型、SUAR模型、FAR模型等来进行预测, 用混沌理论来处理的研究文献不多。本文利用混沌理论对消费者价格指数进行分析, 发现其具备混沌特性, 结合神经网络, 通过相空间重构的参数确定神经网络的输入层数, 建立了基于混沌理论的消费者价格指数神经网络模型。跟传统的预测方法的比较表明, 该方法算法设计相对简单, 不依赖于特定应用背景, 避免了传统的时间序列分析的模型结构辨识和模型检验的繁琐过程, 有很好的预测精度, 具有较强的应用推广价值。

参考文献

[1]陈娟余灼萍:我国居民消费价格的短期预测[J].统计与决策, 2005, (2) :40～41

[2]黄克明胡端平:我国通货膨胀与对外经济的半相依自回归模型的研究系统工程理论与实践2003, 23 (4) :56～58

[3]张小静张德生武新乾等:我国居民消费价格指数的FAR模型.海南师范大学学报 (自然科学版) 2007, 20 (1) :19～22

[4]叶阿忠李子奈:我国通货膨胀的混合回归和时间序列模型系统工程理论与实践, 2000, 20 (9) :138～140

[5]吕金虎陆君安陈士华:混沌时间序列分析及其应用.武汉:武汉大学出版社, 2002

[6]陈铿韩伯棠:混沌时间序列分析中的相空间重构技术综述[J].计算机科学, 2005, 32 (4) :67～70

[7]吕小青曹彪曾敏等:确定延迟时间互信息法的一种算法[J].计算物理, 2006, 23 (2) :184～188

居民消费者价格指数 篇10

居民消费价格指数是用来测定一定时期内居民支付所消费商品和服务价格变化程度的相对数指标。它既是反映通货膨胀程度的重要指标, 也是国民经济核算中的缩减指标[1], 并与经济运行有着密不可分的联系。在市场经济运行中, 居民消费价格指数同时扮演着“市场调节器”与“宏观经济运行指示器”的双重角色[2]。因此, 居民消费价格指数的波动一直是各界普遍关注的焦点之一。物价的波动牵动着我国的经济, 影响着普通民众的生活, 为此, 把握我国近年来居民消费价格指数的基本现状和研究我国居民消费价格指数的波动趋势有着极其重要的现实意义。

1 全国居民消费价格指数

全国居民消费价格指数是一个国家的居民消费价格水平变动情况的宏观经济指标。就我国来说, 它可以反映出我国居民家庭购买消费商品及服务的价格水平的变动情况。

1.1 基本现状描述

为了解我国近年来CPI的基本情况, 笔者找到近十年 (2006—2015) 我国CPI的数据 (见表一) 。可以看出, 这段时间我国CPI的起始 (2006) 和末尾 (2015) 表现得较为一致, 而中间年份的CPI则表现出跌宕起伏的状况。从图一可以更加直观地看出, 十年来我国的CPI大致呈一个M型的走势, 从2006年开始, 我国的CPI节节攀升, 在2008年达到了105.9%, 为近十年来的一个峰值, 然而在之后一年的时间里, 又急剧下降到99.3%。在触及近十年的最低点后, 我国的CPI在2009—2011年出现了较大幅度的反弹, 2011年以后, 全国CPI缓慢下降, 不断趋于平稳。

数据来源:2006—2015年国家统计局数据库

1.2 波动趋势分析

从近十年的全国CPI波动趋势来看, 全国CPI从2006年3月的100.8%至2008年2月的108.7%, 经历了一次7.9%的大幅度增长, 从国内环境来看, 这在很大程度上归因于国内石油等能源类商品的价格上涨和粮食减产带来的主要粮食价格上涨, 加之2008年初我国受冰雪灾害的困扰, 部分地区农产品供给不足, 导致了CPI急剧攀升;另一方面, 当时国际环境也对我国CPI产生了一定程度的影响, 2008年, 国际市场初级产品的价格进入到上升期, 铁矿石、大米、小麦的价格均创下阶段性新高, 世界粮食价格在2008年初涨幅达到近9%, 这带来了农产品和工业产品生产成本的上涨, 从而引发全国CPI的大幅增长。在2008年全国CPI触及近十年的顶点后, 随着美国金融危机对世界的影响逐步加深, 国际农产品价格和原油价格逐步下探, 我国的粮食和水电燃气价格也随之走低[3], 加之政府对房价的调控, 全国CPI开始回落, 直至近十年的最低点。2009年, 全国CPI开始回升, 这可能是因为国家“四万亿”计划和十大产业振兴规划的实施较大程度地刺激了投资和消费, 缓解了金融危机所带来的负面作用。2010年, 市场投机炒作和严重的自然灾害推动了一些农产品和生活必需品价格的持续上涨, 全国CPI由此逐渐走高。2011年中旬, 猪肉价格同比上涨57%, 食品类价格同比上涨约9%, 物价继续走高, 加之个税起征点的提高带来了居民购买力的增强, 全国CPI在两年的时间里出现了“V型”反转。2012年, 国际原油价格的高位回落和国家拉动内需政策影响的淡化, CPI有所回调, 在国家稳健的货币政策的控制下, 全国CPI在后续几年趋于平稳。

2 城乡居民消费价格指数

由于城市居民和农村居民在收入水平和消费构成上存在着较为明显的差异, 因此, 我国的居民消费价格指数可分为城市居民消费价格指数与农村居民消费价格指数, 它们分别反映城市居民和农村居民生活水平的实际变化情况[4]。

2.1 基本现状描述

为探究我国城市CPI与农村CPI的走势是否一致、是否存在差距, 笔者同样找出了近十年 (2006—2015) 我国城乡CPI的数据 (见表二) 。从表二中数据可以得知, 在大部分年份里, 我国城乡CPI都或多或少地存在差距。从图二可以更加清晰地看出, 无论是城市CPI, 还是农村CPI, 其走势都与全国CPI大致相同。进一步看, 2006—2011年, 我国的农村CPI一直高于城市CPI, 直到2012年, 城市CPI超过农村CPI, 但两者差距并不大, 只有0.2%。2012年以后, 我国农村CPI与城市CPI交替领先, 但差距较小, 整体稳定在0.3%以内。

数据来源:2006—2015年国家统计局数据库

2.2 波动趋势分析

从近十年的城乡CPI波动趋势来看, 前六年里, 我国农村CPI一直高于城市CPI[5]。这种局面可能是由以下几个原因所致:一是因为随着中国加入世界贸易组织, 城市化的迅速发展使得工业对农业进行反哺, 城市居民收入不断增长, 支付能力强, 其收入价格弹性小, 即对物价不敏感, 这些造成了农村CPI高于城市。二是因为农村价格调控能力偏弱。当CPI受到巨大波动时, 各地都会采取措施进行价格调控。城市在价格调控上资源、手段均由于农村、农村执行力度不如城市, 所以价格调控是弱于城市地区的。三是因为农村市场竞争不充分。由于地域原因, 农村商品的进货成本高于城市, 并且农村市场规模小, 商家数量也没有城市多, 这些都使得商品价格很难下降。四是农村基础建设不如城市。对于农村而言, 来自政府层面的公共品供给不足, 农村有较重的公共品建设负担, 从而降低了农村的消费品购买能力。五是因为城市和农村的边际消费倾向不一样。农村居民大多靠农产品获得收入, 而只有当农产品出售时, 农村居民才有收入。而消费却是连续性的, 因此农村居民的收入需要分配到全年的消费[6]。而对于城市居民来说, 大多有稳定且连续的工资, 所以农村居民边际消费倾向低于城市, 农村CPI从而也比城市要略高[7]。另外, 随着我国城镇化进程的迅速推进, 近年来城乡一体化的速度不断加快, 其所产生的效果可能是致使城市CPI与农村CPI差距不断缩小、趋于稳定的因素之一, 加之国家政策对“三农”问题的支持力度不断加大和社会主义新农村建设的脚步不断加快, 我国城乡CPI之间的差距可能会延续当前逐步缩小的趋势。

3 八大类居民消费价格指数

2001年, 国家统计局建立了新的居民消费价格指数的体系, 把编制居民消费价格指数的全部商品和服务项目共分为八个大类———食品类、烟酒及用品类、衣着类、家庭设备及服务类、医疗保健和个人用品类、交通和通信类、娱乐教育文化用品及服务类、居住类, 它们所对应的CPI分别反映了相应商品价格水平的变化程度[8]。

3.1 基本现状描述

近十年的八大类CPI数据如表三所示, 可以发现, 与全国CPI相类似, 食品类和居住类CPI在近十年的起始 (2006) 和末尾 (2015) 表现得较为一致, 其中居住类CPI只相差0.2%, 食品类CPI则完全一致, 同为102.3%。从图三可以进一步看出, 食品类和居住类CPI近十年的走势与全国CPI大致相同, 同样, 2008年达到十年来的最大值, 2009年为最小值, 其中食品类CPI波动相对较大, 居住类CPI则波动相对较小。而其他六大类CPI与食品类、居住类CPI相比, 波动则没有非常明显, 并且其走势与全国CPI相比也没有很强的相似性。

数据来源:2006—2015年国家统计局数据库

3.2 波动趋势分析

从近十年八大类CPI的波动趋势来看, 食品类和居住类CPI与其他类别的CPI相比具备更大的波动幅度和更类似于全国CPI走势的波动趋势。由此可以认为, 食品类和居住类CPI可能是全国CPI走势的主要影响因素, 换言之, 食品类和居住类CPI的走势在很大程度上决定了全国CPI的大致趋势。为进一步验证, 利用Eviews7.0软件进行操作, 结果发现除了食品类和居住类CPI, 其他六大类CPI对全国CPI的影响并不显著。然后将影响不显著的变量一一剔除, 最后做全国CPI与食品类、居住类CPI的回归分析。结果表明, 回归结果较好, 食品类CPI的权重是0.313050, 居住类CPI的权重是0.223532。这从实证分析的角度证明了食品类和居住类CPI是影响全国CPI波动的主要因素, 其中食品类CPI是最主要的影响因素, 食品类价格的波动在很大程度上将影响我国CPI的波动[9]。

4 结束语

通过上述三个层面对我国近十年CPI的基本现状和波动趋势的分析可以看出:第一, 我国自身市场机制的不完善, 受外部国际环境的影响较大, CPI的波动也由此显得不太稳定;第二, 我国突出的城乡二元结构特征是城市CPI与农村CPI出现较大差距的主要原因, 而近年来随着城乡一体化加速和国家政策的影响因素, 城乡CPI差距逐渐缩小且平稳运行;第三, 食品类和居住类CPI在很大程度上决定了全国CPI的大致走势。因此, 对食品价格和住房价格的合理控制是我国CPI平稳运行的主要保障。

摘要：本文分别从全国居民消费价格指数、城乡居民消费价格指数和八大类居民消费价格指数三大方面对我国居民消费价格指数近十年 (2006—2015) 发展的基本现状和波动趋势进行归类分析, 以探求在过去十年间每一阶段我国居民消费价格指数的波动原因, 分析我国城市与农村居民价格指数的波动差异, 以及发现影响我国居民消费价格指数走势的主要居民价格指数类型。

关键词：居民消费价格指数 (CPI) ,基本现状,波动趋势

参考文献

[1]陈娟, 余灼萍.我国居民消费价格指数的短期预测[J].统计与决策, 2005, (02X) :40-41.

[2]任洁.中国居民消费价格指数波动的实证研究[D].昆明:昆明理工大学, 2008.

[3]任兴洲, 漆云兰.2008年CPI分析及对2009年变动趋势的预测[J].发展研究, 2009, (03) :11-14.

[4]周丽晖.中国居民消费价格指数的有关问题研究[D].成都:西南财经大学, 2006.

[5]王敏.中国城乡居民收入差距对消费需求影响研究[D].沈阳:辽宁大学, 2011.

[6]沈.中国城市和农村CPI差异研究——基于2001—2014年的数据分析[J].价格理论与实践, 2015, (04) :42-46.

[7]张彦利.我国居民边际消费倾向问题研究[D].石家庄:河北经贸大学, 2015.

[8]安娜.居民消费价格指数影响因素差异性研究[D].太原:山西大学, 2014.

居民消费者价格指数 篇11

一、基础数据与测算方法

从历史趋势来看，我国居民消费支出占GDP的比重（以下简称“居民消费率”）呈现下降趋势，从而使得最终消费支出占GDP的比重不断走低。在国家扩大消费政策的支持下，居民消费率在一些年份略有提高，但是仍然低于国际平均水平，同时也低于发展中国家平均水平。为此，“十二五”规划纲要特别提出了到2015年“消费率上升”的目标。然而，提高消费率本质上是一个约束性指标，将对经济增长产生重要影响，并表现出重要的逆周期特征。目前为止，国家文件中并没有明确提出消费率和居民消费率的预期目标。

长期来看，居民消费主要由居民收入决定。因此，十八大提出到2020年“实现国内生产总值和城乡居民人均收入比2010年翻一番”的目标为我们研究居民消费提供了重要参照系。根据国家统计局公布的数据，2010年我国GDP规模、城镇居民人均可支配收入和农村居民人均纯收入分别为403260亿元、19109元和5919元，根据十八大提出的倍增目标，2020年这三个指标将分别达到806520亿元、38218元和11838元。与此同时，居民消费还受到社会保障水平的影响，本文利用全国财政支出中的教育、卫生和社会保障支出总和占全国财政总支出的比重对此进行衡量。由于2007年统计口径发生了变化，本文选择2006年之前的趋势和2007年之后的波动项合成新的序列对2007—2011年数据加以调整。最后，在回归策略上，由于我国存在明显的城乡二元特征，本文区分城乡居民分别进行回归，然后根据人口城乡结构（城镇化率）进行汇总。

在人口总规模不变的假设下，根据我国公共财政体系建设和城镇化发展趋势，将基准情景假设如下：社会保障水平指标年均增长1个百分点；城镇化率年均增长1个百分点。这样，可以得到回归和预测所使用的基础数据（表1）。

本文采用以下回归方程：XFZC=C+a*SR+b*SHBZ，其中XFZC是城乡人均消费支出规模，SR是城乡居民人均收入水平，SHBZ是社会保障水平指标。原始数据均来自国家统计局，样本区间为1984—2011年。结果显示（表2），所有系数的F-统计量都通过了检验，城乡两个回归方程的整体显著性较高。

回归结果有两点值得关注：首先，系数a的回归结果显示，农村居民的消费倾向高于城镇居民，这与边际消费倾向递减的规律相一致。其次，系数b的回归结果显示，城镇居民消费支出受社会保障水平影响较大，但农村居民消费支出受其影响相对较小。这主要是由社会保障体系长期偏向城市造成的，因此，社会保障水平主要影响受社保体系覆盖的城镇居民的消费支出。

二、测算结果

在社会保障水平变量和城镇化率年均提高1个百分点的基准情景下，根据回归结果并利用人口规模进行总量测算，得到2020年城镇和农村居民消费支出规模将分别达到254279.7亿元和51010.31亿元，两者加总可以得到居民消费支出规模为305290亿元。再根据十八大提出的GDP倍增目标，可以得到基准情景下2020年居民消费率为37.853%，这比2010年居民消费率34.905%提高了近3个百分点。

下面，将根据不同的情景比较分析收入倍增、城镇化和社会保障水平对居民消费率的影响。

在收入倍增的前提下，表3给出了不同城镇化率和社会保障水平下的居民消费率，从中可以得到以下几个重要结论：

第一“收入倍增”对遏制居民消费率下降具有基础性作用。如果城镇化率没有相应的提高，在GDP倍增的同时，收入倍增只能稳住居民消费率。从表3还可以看到，在城镇化率和社会保障水平保持不变的情况下，2020年的居民消费率达到33.379%，年均下降约0.1个百分点，10年下降约1个百分点。

第二，城镇化是扩大居民消费支出的最大潜力所在。在“收入倍增”的前提下，不管社会保障水平是否有所提高，城镇化年均增长1个百分点均带动了居民消费率的提高。比如，即使社会保障保持2010年的水平不变，城镇化提高10个百分点之后居民消费率将提高到36.904%。表3同时显示，城镇化能够扩大居民消费需求，但不会带来居民消费率大幅度提高。

第三，社会保障不完善是制约居民消费支出的重要原因。表3显示，在城镇化保持2010年水平的情景下，社会保障水平如果保持2010年不变，居民消费率将比2010年略有下降，而如果年均提高1个百分点，居民消费率累计提高却不到1个百分点。因此，社会保障不完善具有制约居民消费的作用，但完善社会保障体系并不是扩大居民消费需求的决定因素。

本文还计算了2011—2020年居民消费支出对经济增长的贡献率和拉动点数。为了与2010年进行比较，本文采用基准情景（城镇化率和社会保障水平皆年均提高1个百分点）下的测算结果，并对2011—2020年的数据进行了年化平均处理。如表4所示。

在基准情景下，居民消费支出对经济增长的贡献率将由2010年的32%提高至年均41%，提高了9个百分点。与此同时，2010年经济增长率为10.3%，居民消费支出拉动约3.2个百分点；根据十八大提出的GDP翻一番目标，预计2011—2020年的年均经济增长率为7.2%，据此可以计算得到居民消费支出拉动经济增长的点数为2.9。

三、政策启示

根据上述测算结果，可以得到以下重要政策启示：提高居民消费率要坚持居民收入增长与城镇化同步推进。

测算结果显示，如果不能有效推进城镇化，即使实现了十八大报告提出的“实现国内生产总值和城乡居民人均收入比2010年翻一番”目标，我国居民消费率也不会有较大提高。只有在实现收入倍增基础之上，有效推进城镇化，居民消费率才会有一定幅度的提高。这其中的机理在于城乡居民在收入和消费方面的巨大差距，城镇化将释放这种差距背后的消费潜力。如果城镇化能够真正使得农民市民化，那么这部分人在收入和支出方面都将摆脱农民的低生活水平状态，进入城镇的较高生活水平状态。因此，在城镇化的共同推进下，实现“城乡居民人均收入比2010年翻一番”目标的结果是整个居民部门的收入规模要高于翻一番。

与此同时，提高消费率还需要重点优化政府财政支出结构。回归结果显示，社会保障水平对城镇居民的消费支出影响较大，在城镇化的过程中如果不能将社保提高至相应水平，则会制约城镇居民消费支出，从而制约消费率提高。

食品价格波动对居民消费的影响 篇12

此次研究涉及到工业生产原料、农产品生产、“饮食文化”、“国家政策”等领域, 石家庄食品市场的主要供应商及其原材料生产商以及消费者等群体, 同时也涉及到相关的宏观经济政策与投机倒把等违规行为。首先, 通过网络与书刊、杂志搜集相关资料, 总体掌握石家庄近年价格变动趋势。其次, 进行社会调查, 走访相关部门负责人, 与当地农民交流, 与相关专业了解生产和消费状况。最后, 对搜集的资料进行分析、整理, 并以文字或图表形式表现出来。

二、结果:调查与分析价格波动的主要因素

(一) 工业原材料及农业生产情况。

本文针对河北农业生产中的农资购买支出情况进行调查与分析, 得出一季度户均购农资支出金额491.82元, 比上年一季度的430.14元增加14.3%。以下为2008年河北农户农资购买情况的相关数据以及与2007年同期的比率。 (表1)

从表1中我们可以看出, 2008年农资购买量有所减少, 而农资购买支出费用却增加, 由此可以推断出, 食品价格的波动受到农资 (原材料) 影响。

(二) 近年石家庄居民消费心态的改变。

经我们实地调查与分析, 现今人们的消费心理主要集中表现在以下几个方面:1、品牌效应:近年品牌在人们心目中的份量越来越重, 人们渐渐不再满足于温饱, 而更加注重商品的质量和形象, 即形成的品牌效应。品牌在其质量得到认可的同时外加媒体广告的强大力量塑造的额外价值, 从而也增加了商品的无形价值, 而且广告也不知不觉中影响着大众的消费。2、大商场效应:近年人们越来越热衷于大商场。经调查, 其原因主要在于:一方面大商场货全, 而不必为所需商品四处奔波;另一方面大卖场在质量和售后服务上相对更加有保证。3、时尚效应:任何时代的人都是喜欢追赶时髦的, 也就是说当消费某些商品变得很流行的时候, 人们虽然不是很需要的商品也会去购买, 如此现象虽是赶时尚, 有些却是虚荣心在作怪, 这样也就相应会出现一些奢侈浪费现象。4、促销效应:经常逛商场的人都会有这样的感觉, 原本不想买某种东西, 但是正好促销, 价格低于平时很多, 也会忍不住会买一些。

(三) 国家相关政策和措施。

近年来, 国家强调农民增收问题, 并制定了相关的惠民政策及福利制度。比如, 国家提高粮食收购价;通过提高农产品价格, 促进农民增收;温家宝在十一届全国人大一次会议上作政府工作报告时指出, 防止价格总水平过快上涨。其中, 包括大力发展生产, 特别要加强粮食、食用植物油、肉类等基本生活必需品和其他紧缺商品的生产;加快健全储备体系, 改进和完善储备调节和进出口调节方式;加强市场和价格监管, 农资价格以及涉农收费的监督检查等政策。

表2为2007年11月至2008年8月石家庄食品价格的变动情况以及2008年4月份与2007年同期价格及变动率 (主要以八种食品为调查对象) 。 (表2) 虽然食品价格上涨对整体市场影响不大, 但在日常生活中, 对消费者的购买行为还是有一定影响的。从数据上看, 短期的市场变动不大, 但长期的市场却波澜壮阔, 消费者面对价格上涨购买行为的变化值得我们关注、洞察和研究。以下为调查总结出来的五个主要现象:1、价格上涨会导致居民消费短期的无规律现象;2、价格上涨使消费者更加注重品质和品牌;3、价格上涨初期, 小包装或单价低的商品成为热门;4、面对价格上涨, 中高收入家庭出现两级跳, 即要么选择更贵的, 要么选择更便宜的;5、价格上涨, 相对来说对轻度消费者的影响更大。

三、讨论

关于物价波动的因素很多, 应以更加全面的观点来看待物价的波动。此次针对石家庄食品价格波动情况的调查, 并分析价格波动的原因及其对居民消费的影响。首先, 我们从食品原材料领域来看, 主要针对农业的农资购买情况来分析, 从以上调查得出的数据我们可以看出, 2008年较2007年的农资购买量有所减少, 而农资购买费用却明显增加, 从而我们可以得出农资购买费用的增加是食品价格上涨的一个重要因素, 这一点要求我们排除价格的连锁反应考虑。其次, 我们考虑到的是近年人们的消费观念的改变, 在经济不断发展的情况下, 人们对生活消费的要求也随之而改变, 生活消费从量到质的一个改变, 即更加注重的是品质和品牌, 人们更加趋向于对时尚与主流的追求。与此同时, 也出现了一些负面效应, 比如奢侈、浪费、虚荣消费等不良消费心理, 从而使一些投机倒把分子也趁机哄抬物价, 制造伪冒产品等, 进而影响到物价。最后, 近年来我国强调农民增收, “富”民政策的推行, 相关的福利、利民政策的实施, 农民必然联系到农业, 农业也就关系到食品。这里主要体现在国家的宏观经济政策, 所以国家政策也是影响价格变动的一个重要因素。

从以上的调查数据结果显示, 短期的价格波动相对不大, 而从长期来说价格的波动却是明显的, 因而价格波动问题必须得到社会的广泛关注。对于消费者来说, 必需树立一个良好的消费观, 在价格波动面前, 随时保持一个平静的心态至关重要, 应该从自己实际出发合理安排消费, 避免因物价的波动而造成恐慌心态, 相信市场经济的能动性和对国家宏观能力的信赖。而国家需要加强宏观经济政策, 依法严厉打击投机倒把分子, 营造一个良好的消费环境。

摘要：本文在对石家庄地区食品价格波动进行调查的基础上, 对其产生的影响做出分析, 并结合调查分析结果, 对民众和相关部门提供一些有益的建议, 期望可以对解决物价波动造成的民众恐慌问题, 促进食品市场的良性发展, 确保食品价格与经济运行和谐发展做出贡献。

关键词：石家庄,食品,价格,波动,消费,经济

参考文献

[1]成致平著.《价格改革三十年》.北京:中国市场出版社, 2005.5.

[2]陆满平著.《价格水平上涨的微观内在生机制》.北京:中国市场出版社, 1999.5.